基于稳态视觉诱发电位的相频特性分类算法研究

来源：电子测量技术杂志2024年第5期北京时间：

作者：丛佩超，陈熙来，肖宜轩，李文彬，刘俊杰，张欣

单位：广西科技大学机械与汽车工程学院 柳州 545616

摘要：目前基于稳态视觉诱发电位（SSVEP）的脑-机接口在人机协作中受到广泛关注，现有面向SSVEP信号的相位与频率信息的深度学习分类方法，仍存在由于信息利用不充分导致的SSVEP信号分类效果较差等问题。而目前已出现多种分类算法用于解决上述问题。本文基于迁移学习思想提出一种用于SSVEP信号分类的深度神经网络模型，将快速傅里叶变换后的复向量作为输入，对各个导联的实、虚部向量进行卷积，学习对应的相频特性。该模型分为两部分：第一部分利用所有被试者之间的统计共性获得相位和频率信息的全局相频特征模块；第二部分利用训练好的全局相频特征模块对局部相频特征模块进行初始化，通过局部相频特征模块的进一步强化学习对训练参数进行微调，以减少每个被试者之间的个体差异。在公开数据集BETA上进行测试，在时窗长度为1.5 s时，平均准确率和平均信息传输率分别为89.98%和71.80 bit/min。实验结果表明，与其他方法相比，本文的分类算法模型取得了较为不错的分类效果，所设计的全局、局部相频特征模块能够改善个体差异因素对分类结果的影响，为深入挖掘、利用SSVEP信号中的相位和频率信息提供了全新思路。

关键词：稳态视觉诱发电位;迁移学习;深度神经网络;相频特性

基金资助：中央引导地方科技发展专项资金项目(桂科ZY19183003)、广西重点研发计划项目(桂科AB20058001)资助